Risk Prediction Accuracy Differs for Emergency Versus Elective Cases in the ACS-NSQIP
Notice bibliographique
Résumé
BACKGROUND: Accurate risk estimation is essential when benchmarking surgical outcomes for reimbursement and engaging in shared decision-making. The greater complexity of emergency surgery patients may bias outcome comparisons between elective and emergency cases. OBJECTIVE: To test whether an established risk modelling tool, the American College of Surgeons National Surgical Quality Improvement Program (ACS-NSQIP) predicts mortality comparably for emergency and elective cases. METHODS: From the ACS-NSQIP 2011-2012 patient user files, we selected core emergency surgical cases also common to elective scenarios (gastrointestinal, vascular, and hepato-biliary-pancreatic). After matching strategy for Common Procedure Terminology (CPT) and year, we compared the accuracy of ACS-NSQIP predicted mortality probabilities using the observed-to-expected ratio (O:E), c-statistic, and Brier score. RESULTS: In all, 56,942 emergency and 136,311 elective patients were identified as having a common CPT and year. Using a 1:1 matched sample of 37,154 emergency and elective patients, the O:E ratios generated by ACS-NSQIP models differ significantly between the emergency [O:E = 1.031; 95% confidence interval (CI) = 1.028-1.033] and elective populations (O:E = 0.79; 95% CI = 0.77-0.80, P < 0.0001) and the c-statistics differed significantly (emergency c-statistic = 0.927; 95% CI = 0.921-0.932 and elective c-statistic = 0.887; 95% CI = 0.861-0.912, P = 0.003). The Brier score, tested across a range of mortality rates, did not differ significantly for samples with mortality rates of 6.5% and 9% (eg, emergency Brier score = 0.058; 95% CI = 0.048-0.069 versus elective Brier score = 0.057; 95% CI = 0.044-0.07, P = 0.87, among 2217 patients with 6.5% mortality). When the mortality rate was low (1.7%), Brier scores differed significantly (emergency 0.034; 95% CI = 0.027-0.041 versus elective 0.016; 95% CI = 0.009-0.023, P value for difference 0.0005). CONCLUSION: ACS-NSQIP risk estimates used for benchmarking and shared decision-making appear to differ between emergency and elective populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».